相关实验视频
Updated: Jul 16, 2025

08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.7K
基于多标准的特征选择 基于对物联网的大数据的入侵检测
Jie Wang1, Xuanrui Xiong1, Gaosheng Chen1
1School of Communication and Information Engineering, Chongqing University of Posts and Telecommunications, Chongqing 400065, China.
Sensors (Basel, Switzerland)
|September 9, 2023
概括
本研究介绍了LVW-MECO,这是一种用于物联网 (IoT) 大数据的新型入侵检测模型. 它通过选择相关的流量特征来提高准确性,提高物联网安全性和数据完整性.
科学领域:
- 计算机科学 计算机科学
- 网络安全 网络安全
- 网络安全 网络安全
背景情况:
- 物联网 (IoT) 设备的扩散产生了大量的大数据,造成了重大的网络安全挑战.
- 在资源有限的物联网环境中,实时网络攻击检测是很困难的,因为数据复杂性和流量特征格式的多样化.
- 现有的入侵检测系统在与无关的特征作斗争,影响模型训练的速度和准确性.
研究的目的:
- 开发一个有效的入侵检测系统,以保护物联网大数据.
- 解决物联网网络流量数据中不相关特征的挑战,这些特征阻碍了检测准确度.
- 引入一种新型模型,以提高物联网环境中入侵检测的精度.
主要方法:
- 该研究提出了LVW-MECO (拉斯维加斯包装用多个评估标准增强) 模型.
- LVW-MECO使用了与多个评估标准集成的拉斯维加斯包装 (LVW) 算法.
- 该模型旨在识别物联网网络数据中的相关特征,以改进入侵检测.
主要成果:
- 实验结果表明LVW-MECO在解决关键物联网安全问题的有效性.
- 拟议的模型显著提高了物联网网络的入侵检测性能.
- 通过选择相关功能,LVW-MECO有效地提高了检测网络攻击的准确性.
结论:
- LVW-MECO提供了一个强大的解决方案,用于提高物联网大数据的安全性.
- 该模型有助于保护物联网数据完整性,并促进更安全的物联网生态系统.
- 在复杂的物联网环境中,准确的特征选择对于有效的入侵检测至关重要.

